郝月

摘要：為了可以使現(xiàn)代電力企業(yè)更好的實現(xiàn)對供電區(qū)域精細化管理的理念，就需要通過現(xiàn)代化的數(shù)據(jù)挖掘技術(shù)，來創(chuàng)新出更加有效的電量預(yù)測方法，從根本上幫助電力企業(yè)實現(xiàn)對各供電區(qū)域的電量精細化管理。

關(guān)鍵詞：：大數(shù)據(jù)挖掘;電量預(yù)測方式;創(chuàng)新及應(yīng)用

1基于大數(shù)據(jù)挖掘電量預(yù)測方法的算法研究

1.1ARIMA模型

ARIMA模型又被稱作為差分自回歸移動平均模型，其中AR代表了自回歸、I代表了差分、MA代表了移動平均。通常情況下ARIMA模型主要包含了3個參數(shù)，分別為：p、d、q。其中p代表了自回歸的階數(shù)，d代表了差分的階數(shù)，而q代表了移動平均的階數(shù)。ARIMA模型的在運作的過程中，首先是對非平穩(wěn)的時間序列進行d次差分處理，使其形成較為穩(wěn)定的數(shù)據(jù)排列，而后將平穩(wěn)書序擬合ARMA（p、q）模式，最后將原本的d次差分進行還原，最終就可以得到原本的序列預(yù)測數(shù)據(jù)。

1.2灰色預(yù)測模型

對灰色系統(tǒng)建立的預(yù)測模型稱為灰色模型，簡稱GM模型，是微分方程模型，可用于對描述對象作長期、連續(xù)、動態(tài)的反映，它揭示了系統(tǒng)內(nèi)部事物連續(xù)發(fā)展變化的過程?；疑Ｐ途褪峭ㄟ^少量的、不完全的信息，建立灰色微分預(yù)測模型，對事物發(fā)展規(guī)律作出模糊性的長期描述?；疑A(yù)測需要樣本量較小，運算方便，建模精度高。

2基于大數(shù)據(jù)挖掘電量預(yù)測方法的應(yīng)用

2.1數(shù)據(jù)獲取

通過對指標的研究梳理發(fā)現(xiàn)，臺區(qū)或行業(yè)的電量數(shù)據(jù)可以從平臺數(shù)據(jù)庫中獲取，經(jīng)濟類指標可以從統(tǒng)計局網(wǎng)站上獲取，氣象類指標可以從氣象局網(wǎng)站上獲取。

2.2相關(guān)分析

從平臺數(shù)據(jù)庫獲取電量數(shù)據(jù)進行深度挖掘，找出和電量相關(guān)性較大的因素，分別是經(jīng)濟類因素、持續(xù)假期、報裝容量和氣象類因素（雷電、風力和氣溫），選擇和開發(fā)分別適合短期、中期和長期電量預(yù)測的數(shù)據(jù)挖掘算法時加入不同的影響因素，增加電量預(yù)測準確率。

2.2.1經(jīng)濟類因素與用電量的相關(guān)性分析

將經(jīng)濟類因素例如國內(nèi)生產(chǎn)總值、規(guī)模以上工業(yè)總產(chǎn)值、固定資產(chǎn)投資等與用電量進行相關(guān)性分析，發(fā)現(xiàn)用電量與合同利用外資、批準外資項目數(shù)呈負相關(guān)，與其余經(jīng)濟因素呈正相關(guān)，即隨著合同利用外資、批準外資項目數(shù)的增加，用電量逐漸下降。隨著國內(nèi)生產(chǎn)總值、規(guī)模以上工業(yè)總產(chǎn)值、固定資產(chǎn)投資、出口總額等經(jīng)濟因素的增加，用電量逐漸上升，九個經(jīng)濟因素中與用電量相關(guān)性較強的是國內(nèi)生產(chǎn)總值、規(guī)模以上工業(yè)總產(chǎn)值、固定資產(chǎn)投資、出口總額、全社會零售消費總額和財政總收入，可見相比對外經(jīng)濟因素，用電量與國內(nèi)經(jīng)濟因素相關(guān)性更大。

2.2.2氣溫與用電量的相關(guān)性分析

由圖可知，用電量與日最高溫間的簡單相關(guān)系數(shù)為系數(shù)為0.423，與日最低溫間的簡單相關(guān)系數(shù)為0.458，與日平均溫間的簡單相關(guān)系數(shù)為0.451，它們的相關(guān)系數(shù)檢驗的概率p值都近似為0。因此，當顯著性水平α為0.01時，都應(yīng)拒絕相關(guān)系數(shù)檢驗的零假設(shè)，認為用電量與日最高溫存在線性關(guān)系，用電量受日最高溫的正向影響。

2.3電量預(yù)測模型的構(gòu)建

2.3.1GM模型的構(gòu)建

GM模型的具體構(gòu)建過程主要包括：（1）生成用電量數(shù)據(jù)并將其制作為模型參數(shù)，（2）針對模型計算數(shù)據(jù)與實際數(shù)據(jù)之間的差距進行修訂，而后構(gòu)建出差分微分方程模型，（3）根據(jù)用電量之間的關(guān)聯(lián)度收斂情況進行下一步的具體分析，（4）針對GM模型得出的數(shù)據(jù)進行逆生成還原。

2.3.2ARIMA模型的構(gòu)建

ARIMA模型的具體構(gòu)建過程主要包括：（1）獲取用電量數(shù)據(jù)構(gòu)建數(shù)據(jù)模型，（2）試驗?zāi)Ｐ褪欠衿椒€(wěn)并針對數(shù)據(jù)進行d次差分與零均值化，（3）計算出數(shù)據(jù)的相關(guān)函數(shù)（ACF）與偏自相關(guān)函數(shù)（PACF），（4）全面檢查模型中存在的未知參數(shù)，并檢驗構(gòu)建的模型是否具備有效性。

2.4應(yīng)用的價值

電力系統(tǒng)用電量預(yù)測是指從電力負荷自身的變化情況以及經(jīng)濟、氣象等因素的影響規(guī)律出發(fā)。通過對歷史數(shù)據(jù)的分析，探索事物之間的內(nèi)在聯(lián)系和發(fā)展變化規(guī)律，以未來的經(jīng)濟、氣象等因素的發(fā)展趨勢為依據(jù)，對電力需求作出預(yù)先估計和推測，對于提高用電量預(yù)測的精度對增強電力系統(tǒng)運行安全性和改善其經(jīng)濟性具有重要意義，而且在電改形勢下，預(yù)測結(jié)果越準確就越能使電力公司等市場參與者在競爭且多變的環(huán)境下做出更加明智的商業(yè)決策。

3電量預(yù)測模型的驗證

以某區(qū)域為例，模型預(yù)測出該區(qū)2019年7月工業(yè)用電量為34941.49萬千瓦時，2019年8月工業(yè)用電量為32445.32萬千瓦時，2019年9月工業(yè)用電量為28817.10萬千瓦時，而實際用電量分別為34316.55萬千瓦時、32044.84萬千瓦時和30108.93萬千瓦時，預(yù)測誤差分別為，1.82%、1.25%和4.29%，該模型累計平均誤差為2.71%，認為模型預(yù)測效果良好。

4年度用電預(yù)測模塊功能

年度用電預(yù)測模塊的主要目的是為了更好的提供集中年度預(yù)測和單項預(yù)測功能。其具體操作方式包括：點擊預(yù)測菜單、選擇年度電量預(yù)測、打開年度預(yù)測頁面，具體情況如下圖所示：

5結(jié)語

本文主要是運用大數(shù)據(jù)挖掘的電量預(yù)測技術(shù)，結(jié)合各供電區(qū)域內(nèi)的電量變化趨勢，將經(jīng)濟影響、氣象影響等諸多因素的影響融合進電量預(yù)測中，并充分運用GM模型、ARIMA模型來構(gòu)建出電量預(yù)測方式，實現(xiàn)對于未來用電量的精準預(yù)測。

參考文獻

[1]徐俊，徐文輝，曾鑫，等.基于大數(shù)據(jù)挖掘電量預(yù)測方法的創(chuàng)新及應(yīng)用[J].電力大數(shù)據(jù)，2018，21（10）：63-67.

[2]馬發(fā)軒.配網(wǎng)用戶用電特性市場分析預(yù)測應(yīng)用系統(tǒng)方案設(shè)計[J].電力系統(tǒng)保護與控制，2017，45（12）：120-128.